
如何让 Claude Code 不再“自由发挥”andrej-karpathy-skills 完整使用指南【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills为什么你的 diff 里总有一堆无关改动你提一句“加个用户数据导出功能”它交付时 diff 里除了导出功能还多出一套策略模式类、一个配置对象、一个没人要的提示通知顺手把旁边代码的引号风格也改了。AI 编程助手很会埋头干活但经常替你做假设、遇到歧义默默选一种解释就开干。开源项目 andrej-karpathy-skills 就是针对这种“跑偏”的它把 Andrej Karpathy 观察到的 LLM 编码毛病固化成一份 CLAUDE.md 行为准则文件让 AI 照着执行。andrej-karpathy-skills 到底是个什么东西一句话它是 Claude CodeAnthropic 出品的命令行 AI 编程工具的一份“行为守则”全部内容就是一个 Markdown 文件把常见编码毛病压成四条原则——编码前先想清楚、保持简单、改动只做必要的、对着目标验证。它在你每次会话启动时被 AI 读取约束后续所有动作。适用人群日常用 Claude Code 或同类 AI 助手写代码、受够了合并前在 diff 里筛无关改动的人。四条原则是怎么在运行时管住 AI 的机制不复杂每个任务开始时AI 按顺序过四道关卡。它不是喊“你要更认真”而是把每道关卡都翻译成可检查的判据举个对照“修 bug”这种模糊说法会被改写成“先写一个能复现 bug 的测试让它通过”每一步都有验证手段“精准改动”的判据则是“每一行被改的代码都能追溯到你的请求”做不到就不许提交。两步跑通装插件然后验证效果第一步安装。推荐装成 Claude Code 插件在插件界面依次执行两条命令/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skillskarpathy-skills装完对全部项目全局生效。如果你的工具只认项目根目录的指令文件备选方案是克隆仓库git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills把里面的 CLAUDE.md 拷进项目目录即可。第二步验证。找一个真实项目故意给它一句模糊需求比如“把搜索变快”。预期看到的行为是它不直接动手而是先列出几种理解响应时间、并发量、体感速度让你选一个再开始实现——说明准则已经生效。到底变了什么边界又在哪场景引入前引入后三行就能算完的折扣策略模式 抽象基类 配置对象30 多行一个函数3 行修一个 bug顺手“改进”相邻代码注释和引号一起被改只动与 bug 相关的行发现无关死代码只提醒、不删模糊指令“我会审查代码并改进它”写测试 → 复现 → 修复 → 回归每步可验证看 diff在几十行无关改动里找你要的那几行diff 只剩请求内的改动扫一眼就过边界也说清楚这份准则偏向谨慎而非速度改个错别字还走全流程就是形式主义作者也明确建议简单任务凭判断跳过。另外它是“软约束”靠模型执行不能保证 100% 遵守但跑偏的频率会明显下降。装完之后还能怎么玩项目规则、Cursor、评审清单合并项目专属规则在 CLAUDE.md 末尾加一段写你自己的约定比如“TypeScript 必须严格模式”“错误处理沿用 src/utils/errors.ts 的既有模式”。准则文件本来就设计为可与项目指令合并。在别的工具里用同一套仓库里自带 Cursor 规则文件拷到你项目的.cursor/rules/目录即生效具体步骤见 CURSOR.md。拿来做团队评审标尺EXAMPLES.md 里每条原则都配了“错误示范 vs 正确做法”的代码对照可以直接当 AI 生成代码的人工自查清单。一句话总结以及谁该用andrej-karpathy-skills 本质上是一份 60 来行的“行为守则”让 AI 写代码前先问、少写、少碰、边验证边交付。如果你每天用 Claude Code、受够了在 diff 里翻无关改动装一次就能持续受益只写一次性小脚本的话不急。【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考